Select 具有最高时间戳的行

Question

我有一个 table 存储事件

CREATE TABLE active_events (
    event_id VARCHAR,
    number VARCHAR,
....
    start_time TIMESTAMP,
    PRIMARY KEY (event_id, number)
);

现在，我想要 select 最高 start_time 的事件。有可能的？我尝试创建二级索引，但没有成功。

这是我创建的查询

select * from active_call order by start_time limit 1

但错误显示 ORDER BY is only supported when the partition key is restricted by an EQ or an IN。我应该创建某种物化视图吗？我应该怎么做才能执行我的查询？

Answer 1

这是 Cassandra 中的 anti-pattern。要订购数据，您需要读取所有数据并找到最高值。并且需要扫描多个节点的数据，时间会很长。

物化视图也无济于事，因为数据的顺序仅存在于单个分区内，因此您需要将所有数据放入一个分区中，该分区可能很大且数据会不平衡。

我只能想到以下解决方法：

有一个额外的 table，它将包含原始 table 的所有列，但带有假分区键且没有集群列
您确实在 table 中插入了与正常插入并行的内容，但是为该假分区键使用了固定值，并明确设置 a timestamp for a record 等于 start_time（不要忘记乘以 1000，因为时间戳使用微秒）。在这种情况下，它将保证是具有最高时间戳的值，因为 Cassandra 不会用具有较低时间戳的其他数据覆盖它。

但这并没有解决数据倾斜的问题，所有流量都将由等于 RF 的固定数量的节点处理。

另一个选择 - 使用另一个数据库。

Answer 2

这种类型的查询在大数据中无效，因为它需要完整的 table 扫描并且无法扩展。它适用于传统的关系数据库，因为数据集较小。想象一下，您有数十亿个分区，每个分区都有数千行分布在数百个节点上。如果允许的话，大型集群中的完整 table 扫描将花费很长时间。

错误：

ORDER BY is only supported when the partition key is restricted by an EQ or an IN

返回是因为您只能对结果进行排序，前提是 (a) 查询仅限于分区键，并且 (b) 行按集群列排序。您不能根据不属于聚簇键的列对结果进行排序。干杯！

Select row with highest timestamp